Wiroai Turkish Llm 9b
WiroAI開發的基於Gemma-2-9b的土耳其語大語言模型,專注於對話生成任務
下載量 3,062
發布時間 : 12/22/2024
模型概述
這是一個基於Google Gemma-2-9b模型微調的土耳其語大語言模型,主要用於土耳其語的文本生成和對話任務。
模型特點
土耳其語優化
專門針對土耳其語進行了優化和微調
對話能力
專注於對話生成任務,具有良好的交互能力
基於Gemma架構
基於Google Gemma-2-9b模型構建,繼承了其優秀特性
模型能力
土耳其語文本生成
對話系統
問答系統
內容創作
使用案例
對話系統
土耳其語聊天機器人
用於構建土耳其語對話機器人
內容生成
土耳其語內容創作
自動生成土耳其語文章、故事等內容
🚀 WiroAI/wiroai-turkish-llm-9b
這是一款強大的語言模型,為土耳其語言和文化提供了更豐富的支持!
🚀 快速開始
WiroAI/wiroai-turkish-llm-9b 是谷歌創新的 Gemma 模型家族中講土耳其語的成員。該模型在精心策劃的高質量土耳其語指令上使用監督微調(SFT)進行了訓練,在土耳其語處理任務中表現出色。
✨ 主要特性
- 使用 500,000 多條高質量土耳其語指令進行微調。
- 微調時使用 LoRA 方法,未進行量化。
- 適應土耳其文化和當地語境。
- 基於谷歌前沿的 Gemma 架構構建。
📚 詳細文檔
📝 模型詳情
該模型是谷歌創新的 Gemma 模型家族中講土耳其語的成員。此模型在精心挑選的高質量土耳其語指令上使用監督微調(SFT)進行了訓練,在土耳其語處理任務中展現出卓越的性能。
🔧 技術規格
屬性 | 詳情 |
---|---|
架構 | 僅解碼器的變壓器 |
基礎模型 | Google Gemma 2 9B |
訓練數據 | 500,000 多條特別挑選的土耳其語指令 |
語言支持 | 土耳其語(具備全面的當地語境理解能力)和其他常見語言 |
💡 使用場景
- 文本生成與編輯
- 問答
- 摘要
- 分析與推理
- 內容轉換
- 土耳其語自然語言處理任務
- 土耳其文化相關任務
🚀 優勢
- 本地理解:能夠理解土耳其文化、習語和時事。
- 資源高效:即使在硬件資源有限的情況下也能有效運行。
- 靈活部署:可在桌面、筆記本電腦或自定義雲基礎設施上使用。
- 開放模型:架構透明且可定製。
🌍 關於谷歌 Gemma 2
Gemma 是谷歌的一系列輕量級、最先進的開放模型,使用與創建 Gemini 模型相同的研究和技術開發。這些模型旨在可在資源有限的環境中部署,使人工智能技術人人可用。
📈 性能與侷限性
雖然該模型在土耳其語任務中表現出色,但用戶應考慮以下幾點:
⚠️ 重要提示
- 使用清晰且結構化的指令以獲得最佳效果。
- 對於關鍵應用,請驗證模型輸出。
- 部署前評估資源需求。
- 請注意,以下基準測試是在特定條件下進行的,結果可以復現。條件選擇在表格下方進行解釋。
基準測試分數
模型 | MMLU TR | TruthfulQA TR | ARC TR | HellaSwag TR | GSM8K TR | WinoGrande TR | 平均 |
---|---|---|---|---|---|---|---|
WiroAI/wiroai-turkish-llm-9b | 59.8 | 49.9 | 53.7 | 57.0 | 66.8 | 60.6 | 58.0 |
selimc/OrpoGemma-2-9B-TR | 53.0 | 54.3 | 52.4 | 52.0 | 64.8 | 58.9 | 55.9 |
Metin/Gemma-2-9b-it-TR-DPO-V1 | 51.3 | 54.7 | 52.6 | 51.2 | 67.1 | 55.2 | 55.4 |
CohereForAI/aya-expanse-8b | 52.3 | 52.8 | 49.3 | 56.7 | 61.3 | 59.2 | 55.3 |
ytu-ce-cosmos/Turkish-Llama-8b-DPO-v0.1 | 52.0 | 57.6 | 51.0 | 53.0 | 59.8 | 58.0 | 55.2 |
google/gemma-2-9b-it | 51.8 | 53.0 | 52.2 | 51.5 | 63.0 | 56.2 | 54.6 |
Eurdem/Defne-llama3.1-8B | 52.9 | 51.2 | 47.1 | 51.6 | 59.9 | 57.5 | 53.4 |
WiroAI/wiroai-turkish-llm-8b | 52.4 | 49.5 | 50.1 | 54 | 57.5 | 57.0 | 53.4 |
meta-llama/Meta-Llama-3-8B-Instruct | 52.2 | 49.2 | 44.2 | 49.2 | 56.0 | 56.7 | 51.3 |
模型基準測試使用以下命令進行:
lm_eval --model_args pretrained=<model_path> --tasks mmlu_tr_v0.2,arc_tr-v0.2,gsm8k_tr-v0.2,hellaswag_tr-v0.2,truthfulqa_v0.2,winogrande_tr-v0.2
請參閱 https://github.com/malhajar17/lm-evaluation-harness_turkish,並注意我們採用默認的語言推理方式,這與 OpenLLMLeaderboard v2.0 中的方法相同。
💻 使用示例
基礎用法
import transformers
import torch
model_id = "WiroAI/wiroai-turkish-llm-9b"
pipeline = transformers.pipeline(
"text-generation",
model=model_id,
model_kwargs={"torch_dtype": torch.bfloat16},
device_map="auto",
)
pipeline.model.eval()
instruction = "Bana İstanbul ile alakalı bir sosyal medya postu hazırlar mısın?"
messages = [
{"role": "user", "content": f"{instruction}"}
]
prompt = pipeline.tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True
)
terminators = [
pipeline.tokenizer.eos_token_id,
pipeline.tokenizer.convert_tokens_to_ids("<end_of_turn>")
]
outputs = pipeline(
prompt,
max_new_tokens=512,
eos_token_id=terminators,
do_sample=True,
temperature=0.9,
)
print(outputs[0]["generated_text"][len(prompt):])
示例輸出
İstanbul'un büyüsüne kapılın! :city_sunset:
Halk arasında "dünyanın masalı şehri" olarak bilinen İstanbul, her köşesinde tarih, kültür ve modern yaşamın bir araya geldiği eşsiz bir şehir.
Yüzyıllardır farklı medeniyetlerin izlerini taşıyan İstanbul, tarihi mekanlarından, müzelerinden, çarşılarından ve restoranlarından oluşan zengin kültürel mirasa sahiptir.
Boğaz'ın eşsiz manzarasında tekne turu yapmak, Topkapı Sarayı'nı ziyaret etmek, Grand Bazaar'da alışveriş yapmak, Mısır Çarşısı'nın canlı atmosferinde kaybolmak, Galata Kulesi'nden muhteşem bir manzara deneyimlemek veya Beyoğlu'nun hareketli sokaklarında yürüyüş yapmak İstanbul'da unutulmaz anılar yaratmak için fırsatlar sunar.
İstanbul'un büyülü atmosferini kendiniz yaşamak için hemen planınızı yapın! :flag-tr: #İstanbul #Türkiye #Seyahat #Tarih #Kültür #Gezi
📄 許可證
此模型遵循谷歌的 Gemma 許可證。使用前請查看並接受許可條款。
📫 聯繫與支持
如有問題、建議或反饋,請在 HuggingFace 上創建一個問題,或直接通過我們的網站聯繫我們。
引用
@article{WiroAI,
title={WiroAI/wiroai-turkish-llm-9b},
author={Abdullah Bezir, Furkan Burhan Türkay, Cengiz Asmazoğlu},
year={2024},
url={https://huggingface.co/WiroAI/wiroai-turkish-llm-9b}
}
@article{gemma_2024,
title={Gemma},
url={https://www.kaggle.com/m/3301},
DOI={10.34740/KAGGLE/M/3301},
publisher={Kaggle},
author={Gemma Team},
year={2024}
}
Phi 2 GGUF
其他
Phi-2是微軟開發的一個小型但強大的語言模型,具有27億參數,專注於高效推理和高質量文本生成。
大型語言模型 支持多種語言
P
TheBloke
41.5M
205
Roberta Large
MIT
基於掩碼語言建模目標預訓練的大型英語語言模型,採用改進的BERT訓練方法
大型語言模型 英語
R
FacebookAI
19.4M
212
Distilbert Base Uncased
Apache-2.0
DistilBERT是BERT基礎模型的蒸餾版本,在保持相近性能的同時更輕量高效,適用於序列分類、標記分類等自然語言處理任務。
大型語言模型 英語
D
distilbert
11.1M
669
Llama 3.1 8B Instruct GGUF
Meta Llama 3.1 8B Instruct 是一個多語言大語言模型,針對多語言對話用例進行了優化,在常見的行業基準測試中表現優異。
大型語言模型 英語
L
modularai
9.7M
4
Xlm Roberta Base
MIT
XLM-RoBERTa是基於100種語言的2.5TB過濾CommonCrawl數據預訓練的多語言模型,採用掩碼語言建模目標進行訓練。
大型語言模型 支持多種語言
X
FacebookAI
9.6M
664
Roberta Base
MIT
基於Transformer架構的英語預訓練模型,通過掩碼語言建模目標在海量文本上訓練,支持文本特徵提取和下游任務微調
大型語言模型 英語
R
FacebookAI
9.3M
488
Opt 125m
其他
OPT是由Meta AI發佈的開放預訓練Transformer語言模型套件,參數量從1.25億到1750億,旨在對標GPT-3系列性能,同時促進大規模語言模型的開放研究。
大型語言模型 英語
O
facebook
6.3M
198
1
基於transformers庫的預訓練模型,適用於多種NLP任務
大型語言模型
Transformers

1
unslothai
6.2M
1
Llama 3.1 8B Instruct
Llama 3.1是Meta推出的多語言大語言模型系列,包含8B、70B和405B參數規模,支持8種語言和代碼生成,優化了多語言對話場景。
大型語言模型
Transformers 支持多種語言

L
meta-llama
5.7M
3,898
T5 Base
Apache-2.0
T5基礎版是由Google開發的文本到文本轉換Transformer模型,參數規模2.2億,支持多語言NLP任務。
大型語言模型 支持多種語言
T
google-t5
5.4M
702
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98